谷歌如何利用深度学习?

[fomayof928@mowline]

幸运的是，我们对 RankBrain 有了更多的了解。 Steven Levy 关于Google 机器学习野心的精彩文章中，仔 Google小组负责人 Jeff Dean 的以下言论...

到 2014 年初，谷歌的机器学习大师们认为 [阿米特的方法]应该改变."我们与排名团队进行了一系列讨论,"迪恩说。"我们说我们应该.至少尝试一下，在是否有任何好处。”他的团队所设想的实验最终成为搜索的核心：排名中的文档与的询的匹配程度（以用户是否点击它来衡量）.“我们只是，让我们尝试从神经网络计算这个额外的分数

2016 年初之前担任谷歌搜索团队负责人的 امیت سنگھل率先 阿富汗数字数据 提出了启发式方法，我们或许可以称之为“排名因素”。 谷歌的机器学习 (ML)倡导者最终说服团队在排名环境中测试 ML.

还值得注意的是，据报道，对在有机搜索中使用机器学习持怀疑态度的阿米特 (Amit) 离开了谷歌，他的职位由在谷歌许多机器学习项目中发挥了重要作用的约翰·詹南德雷亚 (John Giannandrea) 接替。我不会猜测阿米特的动机，但领导层转向强大的机器学习倡导者清楚地表明，谷歌认为 RankBrain 实验是成功的。

当然，这就引出了一个问题：机器学习和深度学习究竟如何在有机搜索中发挥作用？ Google在 Udacity 上教授深度学习课程，我很好奇在测验中发现了这个截图。测验询问谷歌如何在排名中使用深度学习，答案如下：



当我们训练机器学习模型时，“分类器”本质上是做出最终决策的机器。在这种情况下，排名将搜索词和网页作为输入，并决定它们彼此之间的相关程度。